Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Giảm nhiễu mặt đất (phân phối Weibull) Dựa trên Phân Tích Thành Phần Độc Lập để Phát Hiện Mô Hình Mục Tiêu Swerling
Tóm tắt
Nghiên cứu hiện tại xem xét việc phát hiện các mục tiêu Swerling yếu, tồn tại trong ô Doppler nhiễu của mặt đất có phân phối Weibull, thông qua Phân Tích Thành Phần Độc Lập (ICA). Chúng tôi giới thiệu một bộ phát hiện mới dựa trên ICA tích chập, độc lập với phân phối thống kê của mục tiêu và nhiễu, mà không cần đến kiến thức trước về tín hiệu radar. Để phát hiện mục tiêu radar bằng ICA, một số vấn đề đã được giải quyết thông qua hai phương pháp được đề xuất một cách khôn ngoan. Nhiễu và mục tiêu được tạo ra nhân tạo được sử dụng để thể hiện một cách định lượng và định tính khả năng của bộ phát hiện dựa trên ICA. Phương pháp này cũng được thử nghiệm với dữ liệu thực tế. Cuối cùng, thời gian tính toán được xem xét và sự vượt trội của bộ phát hiện được thể hiện qua so sánh giữa bộ phát hiện được đề xuất và một bộ phát hiện Neyman-Pearson (NP) điển hình.
Từ khóa
#Phân tích thành phần độc lập #Swerling #Nhiễu mặt đất #Phát hiện mục tiêu #ICA tích chập #Dữ liệu thực tếTài liệu tham khảo
M. Greco, F. Bordoni, and F. Gini, “X-band sea-clutter nonstationarity: Influence of long waves,” IEEE J. Ocean. Eng. 29, 269–283 (2004).
R. Vicen-Bueno, M. Rosa-Zurera, M. P. Jarabo-Amores, and R. Gil-Pita, “Automatic target detection in simulated ground clutter (Weibull distributed) by multilayer perceptrons in a low-resolution coherent radar,” IET Radar, Sonar Navig. 4, 315–328 (2010).
A. Farina, F. Gini, M. V. Greco, and L. Verrazzani, “High resolution sea clutter data: statistical analysis of recorded live data,” IEE Proceedings-Radar, Sonar Navig. 144, 121–130 (1997).
S. Haykin, Adaptive Radar Signal Processing (Wiley, Hoboken, New Jersey, 2007).
Modern Radar Detection Theory, Ed. by De Maio and Greco, (IET, 2015).
Y.-L. Shi and P.-L. Shui, “Target detection in high-resolution sea clutter via block-adaptive clutter suppression,” IET Radar, Sonar Navig. 5, 48–57 (2011).
Y. Xiang, D. Peng, and Z. Yang, Blind Source Separation (Springer Singapore, Singapore, 2015).
A. Cichocki and S.-I. Amari, Adaptive Blind Signal and Image Processing (Chichester, Wiley, 2002).
S. Makino, T.-W. Lee, and H. Sawada, Blind Speech Separation (Springer-Verlag, 2007).
H. Ghahramani, M. Barari, & Mohammad, H. Bastani, and M. H. Bastani, “Maritime radar target detection in presence of strong sea clutter based on blind source separation,” IETE J. Res. 60, 331–344 (2014).
H. Ghahramani, M. Barari, and M. H. Bastani, “Suppressing sea clutter in maritime radar based on DUET BSS,” J. Iran. Assoc. Electr. Electron. Eng. 12 (2015).
A. Hyvärinen, J. Karhunen, and E. Oja, Independent Component Analysis (Wiley, New York, 2001).
A. Mansour, A. K. Barros, and N. Ohnishi, “Blind separation of sources: Methods, assumptions and applications,” IEICE Trans. Fundam. Electron. Commun. Comput. Sci. 83, 1498–1512 (2000).
M. W. Long, Radar Reflectivity of Land and Sea (Artech House Books, 1983).
S. C. Douglas, M. Gupta, H. Sawada, and S. Makino, “Spatio-temporal fast ICA algorithms for the blind separation of convolutive mixtures,” IEEE Trans. Audio, Speech, Lang. Processing 15, 1511–1520 (2007).
A. Hyvärinen and E. Oja, “Independent component analysis: algorithms and applications,” Neural Networks 13, 411–430 (2000).
M. I. Skolnik, Introduction to Radar Systems (Artech House, Norwood, MA, 2005).
M. A. Richards, Fundamental of Radar Signal Processing, 2nd Ed., (McGraw-Hill, 2014).
M. A. Richards, J. A. Scheer, and W. A. Holm, Principles of Modern Radar, Vol. I: Basic Principles (SciTech Pub, 2010).
Y. Xiang, D. Peng, and Z. Yang, Blind Source Separation: Dependent Component Analysis (Springer-Verlag, 2015).
P. Comon, “Independent component analysis, a new concept,” Signal Process. 36, 287–314 (1994).
P. P. Vaidyanathan, Multirate Systems and Filter Banks (Prentice Hall, 1993).
L. Gang and K. Yu, “Modelling and simulation of coherent Weibull clutter,” IEE Proc. F (Radar Signal Process.) 136, 2–12 (1989).
I. Pobocikova and Z. Sedliackova, “Comparison of four methods for estimating the Weibull distribution parameters,” Appl. Math. Sci. 8, 4137–4149 (2014).
P. Ramírez and J. A. Carta, “Influence of the data sampling interval in the estimation of the parameters of the Weibull wind speed probability density distribution: a case study,” Energy Convers. Manag. 46, 2419–2438 (2005).
R. Vicen-bueno, M. Rosa-zurera, S. Member, M. P. Jarabo-amores, and D. De Mata-moya, “Coherent Detection of Swerling 0 Targets in Sea-Ice Weibull-Distributed Clutter Using Neural Networks,” IEEE Trans. Instrum. Meas. 59, 3139–3151 (2010).